HBase相关问题

HBase和Hive的异同之处?

共同点：HBase与Hive都是架构在Hadoop之上，底层存储都是使用HDFS

区别：

　　1). Hive是建立在Hadoop之上为了减少MapReduce jobs编写工作的批处理系统。HBase是为了支持弥补Hadoop对实时操作的缺陷的项目。

　　2). hive是高延迟、结构化和面向分析的，hbase是低延迟、非结构化和面向编程

　　2). Hive的表是逻辑表，它本身不存储和计算数据，它完全依赖于HDFS和MapReduce，高延迟的特点。

　　3). HBase的表是物理表，hdfs作为底层存储，而HBase负责组织文件。 提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作。

HBase和RDBMS的异同之处?

　　1.数据类型：HBase只有简单的字符串类型(压缩率高)，所有的类型都是交由用户自己处理。而RDBMS有丰富的类型和存储方式。
　　2.数据操作：HBase只有很简单的插入、查询、删除、清空等操作，表和表之间是分离的，没有复杂的表和表之间的关系。而RDBMS通常有各式各样的函数和连接操作。 
　　3.存储模式：HBase是基于列存储的，每个列族都由几个文件保存，不同列族的文件是分离的。而RDBMS是基于表格结构和行模式保存的 。
　　4.数据维护：HBase的更新操作不应该叫更新，它实际上是追加新的数据。而RDBMS是替换修改。
　　5.可伸缩性：Hbase这类分布式数据库就是为了这个目的而开发出来的，所以它能够轻松增加或减少硬件的数量，并且对错误的兼容性比较高。而RDBMS通常需要增加中间层才能实现类似的功能。

Hbase的优缺点
　　1. HBase列可以动态增加，并且列为空就不存储数据，节省存储空间。
　　2. Hbase自动切分数据，使得数据存储自动具有水平Scalability。
　　3. Hbase可以提供基于RowKey的高并发读写操作。
缺点： 不能支持条件查询，只支持按照Row key来查询.

什么时候选择HBase

　　1).超大数据量上高并发操作，高速插入，大量读取
　　2).记录非常稀疏
　　3).多版本数据
　　4).对于数据结构中字段不够确定或杂乱无章，很难按一个概念去进行抽取的数据适合用HBase。

HBase容错性

Master容错：Zookeeper重新选择一个新的Master
　　1).无Master过程中，数据读取仍照常进行；
　　2).无master过程中，region切分、负载均衡等无法进行；
RegionServer容错：定时向Zookeeper汇报心跳，如果一旦时间内未出现心跳
　　1).Master将该RegionServer上的Region重新分配到其他RegionServer上；
　　2).失效服务器上“预写”HLog日志由主服务器进行分割并派送给新的RegionServer
Zookeeper容错：Zookeeper是一个可靠地服务
　　1).一般配置3或5个Zookeeper实例。

HBase的Delete机理

Delete命令并不立即删除内容。实际上，它只是给记录打上删除的标记“墓碑”(tombstone)。墓碑记录不能在Get和Scan命令中返回结果。因为HFile是只读文件，这些墓碑记录直到执行一次大合并(major compaction)才会被删除。 详见HBase相关概念